1、Pandas：是一个Python包，旨在通过“标记”和“关系”数据进行工作，简单直观。它设计用于快速简单的数据操作、聚合和可视化，是数据整理的完美工具。

2、Numpy：是专门为Python中科学计算而设计的软件集合，它为Python中的n维数组和矩阵的操作提供了大量有用的功能。该库提供了NumPy数组类型的数学运算向量化，可以改善性能，从而加快执行速度。

3、SciPy：是一个工程和科学软件库，包含线性代数，优化，集成和统计的模块。SciPy库的主要功能是建立在NumPy上，通过其特定子模块提供有效的数值例程，并作为数字积分、优化和其他例程。

4、Matplotlib：为轻松生成简单而强大的可视化而量身定制，它使Python成为像MatLab或Mathematica这样的科学工具的竞争对手。

5、Seaborn：主要关注统计模型的可视化(包括热图)，Seaborn高度依赖于Matplotlib。

6、Bokeh：独立于Matplotlib，主要焦点是交互性，它通过现代浏览器以数据驱动文档的风格呈现。

7、Plotly：是一个基于Web用于构建可视化的工具箱，提供API给一些编程语言(Python在内)。

8、Scikits：是Scikits

Stack额外的软件包，专为像图像处理和机器学习辅助等特定功能而设计。它建立在SciPy之上，中集成了有质量的代码和良好的文档、简单易用并且十分高效，是使用Python进行机器学习的实际行业标准。

9、Theano：是一个Python软件包，它定义了与NumPy类似的多维数组，以及数学运算和表达式。此库是被编译的，可实现在所有架构上的高效运行。

10、TensorFlow：是数据流图计算的开源库，旨在满足谷歌对训练神经网络的高需求，并且是基于神经网络的机器学习系统DistBelief的继任者，可以在大型数据集上快速训练神经网络。

11、Keras：是一个用Python编写的开源的库，用于在高层的接口上构建神经网络。它简单易懂，具有高级可扩展性。

12、NLTK：主要用于符号学和统计学自然语言处理(NLP)的常见任务，旨在促进NLP及相关领域(语言学，认知科学人工智能等)的教学和研究。

13、Gensim：是一个用于Python的开源库，为有向量空间模型和主题模型的工作提供了使用工具。这个库是为了高效处理大量文本而设计，不仅可以进行内存处理，还可以通过广泛使用NumPy数据结构和SciPy操作来获得更高的效率。

…………

Python常用库大全，看看有没有你需要的。

环境管理

管理 Python版本和环境的工具

p–非常简单的交互式 python版本管理工具。

pyenv–简单的 Python版本管理工具。

Vex–可以在虚拟环境中执行命令。

virtualenv–创建独立 Python环境的工具。

virtualenvwrapper- virtualenv的一组扩展。

包管理

管理包和依赖的工具。

pip– Python包和依赖关系管理工具。

pip-tools–保证 Python包依赖关系更新的一组工具。

conda–跨平台，Python二进制包管理工具。

Curdling–管理 Python包的命令行工具。

wheel– Python分发的新标准，意在取代 eggs。

包仓库

本地 PyPI仓库服务和代理。

warehouse–下一代 PyPI。

Warehousebandersnatch– PyPA提供的 PyPI镜像工具。

devpi– PyPI服务和打包/测试/分发工具。

localshop–本地 PyPI服务（自定义包并且自动对 PyPI镜像）。

分发

打包为可执行文件以便分发。

PyInstaller–将 Python程序转换成独立的执行文件（跨平台）。

dh-virtualenv–构建并将 virtualenv虚拟环境作为一个 Debian包来发布。

Nuitka–将脚本、模块、包编译成可执行文件或扩展模块。

py2app–将 Python脚本变为独立软件包（Mac OS X）。

py2exe–将 Python脚本变为独立软件包（Windows）。

pynsist–一个用来创建 Windows安装程序的工具，可以在安装程序中打包 Python本身。

构建工具

将源码编译成软件。

buildout–一个构建系统，从多个组件来创建，组装和部署应用。

BitBake–针对嵌入式 Linux的类似 make的构建工具。

fabricate–对任何语言自动找到依赖关系的构建工具。

PlatformIO–多平台命令行构建工具。

PyBuilder–纯 Python实现的持续化构建工具。

SCons–软件构建工具。

交互式解析器

交互式 Python解析器。

IPython–功能丰富的工具，非常有效的使用交互式 Python。

bpython-界面丰富的 Python解析器。

ptpython–高级交互式Python解析器，构建于python-prompt-toolkit之上。

文件

文件管理和 MIME（多用途的网际邮件扩充协议）类型检测。

imghdr–（Python标准库）检测图片类型。

mimetypes–（Python标准库）将文件名映射为 MIME类型。

path.py–对 os.path进行封装的模块。

pathlib–（Python3.4+标准库）跨平台的、面向对象的路径操作库。

python-magic-文件类型检测的第三方库 libmagic的 Python接口。

Unipath-用面向对象的方式操作文件和目录

watchdog–管理文件系统事件的 API和 shell工具

日期和时间

操作日期和时间的类库。

arrow-更好的 Python日期时间操作类库。

Chronyk– Python 3的类库，用于解析手写格式的时间和日期。

dateutil– Python datetime模块的扩展。

delorean-解决 Python中有关日期处理的棘手问题的库。

moment–一个用来处理时间和日期的Python库。灵感来自于Moment.js。

PyTime–一个简单易用的Python模块，用于通过字符串来操作日期/时间。

pytz–现代以及历史版本的世界时区定义。将时区数据库引入Python。

when.py–提供用户友好的函数来帮助用户进行常用的日期和时间操作。

文本处理

用于解析和操作文本的库。

通用

chardet–字符编码检测器，兼容 Python2和 Python3。

difflib–(Python标准库)帮助我们进行差异化比较。

ftfy–让Unicode文本更完整更连贯。

fuzzywuzzy–模糊字符串匹配。

Levenshtein–快速计算编辑距离以及字符串的相似度。

pangu.py–在中日韩语字符和数字字母之间添加空格。

pyfiglet-figlet的 Python实现。

shortuuid–一个生成器库，用以生成简洁的，明白的，URL安全的 UUID。

unidecode– Unicode文本的 ASCII转换形式。

uniout–打印可读的字符，而不是转义的字符串。

xpinyin–一个用于把汉字转换为拼音的库。

1、NumPy

NumPy是构建科学计算 stack的最基础的包。它为 Python中的 n维数组和矩阵的操作提供了大量有用的功能。该库还提供了 NumPy数组类型的数学运算向量化，可以提升性能，从而加快执行速度。

2、SciPy

SciPy是一个工程和科学软件库，包含线性代数、优化、集成和统计的模块。SciPy库的主

要功能建立在 NumPy的基础之上，它通过其特定的子模块提供高效的数值例程操作。SciPy的所有子模块中的函数都有详细的文档，这也是一个优势。

3、Pandas

Pandas是一个 Python包，旨在通过「标记(labeled)」和「关系(relational)」数据进行工作，简单直观。Pandas是 data wrangling的完美工具。它设计用于快速简单的数据操作、聚合和可视化。

4、Seaborn

Seaborn主要关注统计模型的可视化;这种可视化包括热度图(heat map)，可以总结数据但也描绘总体分布。Seaborn基于 Matplotlib，并高度依赖于它。

5、Bokeh

Bokeh是一个很好的可视化库，其目的是交互式可视化，不过这个库独立于 Matplotlib，它通过现代浏览器以数据驱动文档(D3.js)的风格呈现。

6、Scikits

Scikits是 SciPy Stack的附加软件包，专为特定功能(如图像处理和辅助机器学习)而设计。其中最突出的一个是 scikit-learn。该软件包构建于 SciPy之上，并大量使用其数学操作，是使用 Python进行机器学习的实际上的行业标准。

7、Theano

Theano是一个 Python包，它定义了与 NumPy类似的多维数组，以及数学运算和表达式。该库是经过编译的，使其在所有架构上能够高效运行。这个库最初由蒙特利尔大学机器学习组开发，主要是为了满足机器学习的需求。

8、Keras

Keras是一个使用高层接口构建神经网络的开源库，它是用 Python编写的。它简单易懂，具有高级可扩展性。Keras极其容易上手，而且可以进行快速的原型设计，足以用于严肃的建模。

9、Gensim

Gensim是一个用于 Python的开源库，实现了用于向量空间建模和主题建模的工具。Gensim实现了诸如分层 Dirichlet进程(HDP)、潜在语义分析(LSA)和潜在 Dirichlet分配(LDA)等算法，还有 tf-idf、随机投影、word2vec和 document2vec，以便于检查一组文档(通常称为语料库)中文本的重复模式。

10、Scrapy

Scrapy是用于从网络检索结构化数据的爬虫程序的库。它现在已经发展成了一个完整的框架，可以从 API收集数据，也可以用作通用的爬虫。该库在接口设计上遵循著名的 Don』t Repeat Yourself原则——提醒用户编写通用的可复用的代码，因此可以用来开发和扩展大型爬虫。

转载请注明：片头模版 » python模块库大全(最受欢迎的)